恢复嵌套的for循环

Question

两个文件。 一个带有损坏的数据，另一个带有修复程序。 破碎：

ID 0
T5 rat cake
~EOR~
ID 1
T1 wrong segg
T2 wrong nacob
T4 rat tart
~EOR~
ID 3
T5 rat pudding
~EOR~
ID 4
T1 wrong sausag
T2 wrong mspa
T3 strawberry tart 
~EOR~
ID 6
T5 with some rat in it 
~EOR~

修正：

ID 1
T1 eggs
T2 bacon
~EOR~
ID 4
T1 sausage
T2 spam
T4 bereft of loif
~EOR~

EOR表示记录结束。 请注意，“损坏的”文件比“修复”文件具有更多的记录，该文件具有要修复的标签（T1，T2等是标签）和要添加的标签。 这段代码完全可以实现预期的功能：

# foobar.py

import codecs

source = 'foo.dat'
target = 'bar.dat' 
result = 'result.dat'  

with codecs.open(source, 'r', 'utf-8_sig') as s, \
     codecs.open(target, 'r', 'utf-8_sig') as t, \
     codecs.open(result, 'w', 'utf-8_sig') as u: 

    sID = ST1 = sT2 = sT4 = ''
    RecordFound = False

    # get source data, record by record
    for sline in s:
        if sline.startswith('ID '):
            sID = sline
        if sline.startswith('T1 '):
            sT1 = sline
        if sline.startswith('T2 '):
            sT2 = sline
        if sline.startswith('T4 '):
            sT4 = sline
        if sline.startswith('~EOR~'):
            for tline in t: 
                # copy target file lines, replacing when necesary
                if tline == sID:
                    RecordFound = True
                if tline.startswith('T1 ') and RecordFound:
                    tline = sT1
                if tline.startswith('T2 ') and RecordFound:
                    tline = sT2 
                if tline.startswith('~EOR~') and RecordFound:
                    if sT4:
                        tline = sT4 + tline
                    RecordFound = False
                    u.write(tline)
                    break

                u.write(tline)

    for tline in t:
        u.write(tline)

我正在写一个新文件，因为我不想弄乱其他两个文件。 第一个外部for循环在fixes文件中的最后一条记录上完成。 那时，仍然有要写入目标文件的记录。 那就是最后的条款。

令我烦恼的是，这最后一行隐式地选择了第一个内部for循环最后一次中断的地方。 好像应该说“ t中其余的tline”。 另一方面，我看不到如何用更少（或更多）的代码行（使用字典和您拥有的东西）来做到这一点。 我应该担心吗？

请评论。

Answer 1

我不会担心 在您的示例中， t是文件句柄，您正在对其进行迭代。 Python中的文件句柄是它们自己的迭代器。 它们具有有关文件中读取位置的状态信息，并且在您遍历文件时会保留其位置。 您可以在python文档中查看file.next（）以获得更多信息。

另请参见另外一个关于迭代器的SO答案： Python中的“ yield”关键字有什么作用？ 。 那里有很多有用的信息！

编辑：这是使用字典将它们组合的另一种方法。 如果要在输出之前对记录进行其他修改，则可能需要此方法：

import sys

def get_records(source_lines):
    records = {}
    current_id = None
    for line in source_lines:
        if line.startswith('~EOR~'):
            continue
        # Split the line up on the first space
        tag, val = [l.rstrip() for l in line.split(' ', 1)]
        if tag == 'ID':
            current_id = val
            records[current_id] = {}
        else:
            records[current_id][tag] = val
    return records

if __name__ == "__main__":
    with open(sys.argv[1]) as f:
        broken = get_records(f)
    with open(sys.argv[2]) as f:
        fixed = get_records(f)

    # Merge the broken and fixed records
    repaired = broken
    for id in fixed.keys():
        repaired[id] = dict(broken[id].items() + fixed[id].items())

    with open(sys.argv[3], 'w') as f:
        for id, tags in sorted(repaired.items()):
            f.write('ID {}\n'.format(id))
            for tag, val in sorted(tags.items()):
                f.write('{} {}\n'.format(tag, val))
            f.write('~EOR~\n')

dict(broken[id].items() + fixed[id].items())部分利用了这一优势： 如何在一个表达式中合并两个Python字典？

Answer 2

# building initial storage

content = {}
record = {}
order = []
current = None

with open('broken.file', 'r') as f:
    for line in f:
        items = line.split(' ', 1)
        try:
            key, value = items
        except:
            key, = items
            value = None

        if key == 'ID':
            current = value
            order.append(current)
            content[current] = record = {}
        elif key == '~EOR~':
            current = None
            record = {}
        else:
            record[key] = value

# patching

with open('patches.file', 'r') as f:
    for line in f:
        items = line.split(' ', 1)
        try:
            key, value = items
        except:
            key, = items
            value = None

        if key == 'ID':
            current = value
            record = content[current]  # updates existing records only!
            # if there is no such id -> raises

            # alternatively you may check and add them to the end of list
            # if current in content: 
            #     record = content[current]
            # else:
            #     order.append(current)
            #     content[current] = record = {}

        elif key == '~EOR~':
            current = None
            record = {}
        else:
            record[key] = value

# patched!
# write-out

with open('output.file', 'w') as f:
     for current in order:
         out.write('ID '+current+'\n')
         record = content[current]
         for key in sorted(record.keys()):
             out.write(key + ' ' + (record[key] or '') + '\n')  

# job's done

问题吗？

Answer 3

为了完整起见，并为了分享我的热情和所学，下面是我现在使用的代码。 它回答了我的OP，还有更多内容。

它部分基于akaRem的上述方法。 单个函数可填充字典。 它被调用两次，一次是修复文件，一次是文件修复。

import codecs, collections
from GetInfiles import *

sourcefile, targetfile = GetInfiles('dat')
    # GetInfiles reads two input parameters from the command line,
    # verifies they exist as files with the right extension, 
    # and then returns their names. Code not included here. 

resultfile = targetfile[:-4] + '_result.dat'  

def recordlist(infile):
    record = collections.OrderedDict()
    reclist = []

    with codecs.open(infile, 'r', 'utf-8_sig') as f:
        for line in f:
            try:
                key, value = line.split(' ', 1)

            except:
                key = line 
                # so this line must be '~EOR~\n'. 
                # All other lines must have the shape 'tag: content\n'
                # so if this errors, there's something wrong with an input file

            if not key.startswith('~EOR~'):
                try: 
                    record[key].append(value)
                except KeyError:
                    record[key] = [value]

            else:
                reclist.append(record)
                record = collections.OrderedDict()

    return reclist

# put files into ordered dicts            
source = recordlist(sourcefile)
target = recordlist(targetfile)

# patching         
for fix in source:
    for record in target:
        if fix['ID'] == record['ID']:
            record.update(fix)

# write-out            
with codecs.open(resultfile, 'w', 'utf-8_sig') as f:
    for record in target:
        for tag, field in record.iteritems():
            for occ in field: 
                line = u'{} {}'.format(tag, occ)
                f.write(line)

        f.write('~EOR~\n')   

现在是命令式的字典。 这不在我的OP中，但是文件需要由人员进行交叉检查，因此保持顺序可使此操作变得更加容易。 （ 使用OrderedDict真的很容易 。我第一次尝试找到此功能使我感到o然，但它的文档使我感到担忧。没有示例，令人生畏的行话...）

此外，它现在支持记录中多次出现任何给定的标签。 这也不在我的OP中，但是我需要这个。 （该格式称为“ Adlib标记”，它是一种编目软件。）

与akaRem的方法不同的是，使用目标dict的update进行修补。 我发现，与python一样，它确实非常优雅。 同样对于startswith 。 这是我无法抗拒分享的另外两个原因。

我希望它有用。